Athena 以 7 天的时间范围查询销售数据

Question

sample_input_table

user  name  action      date             collection
 1    aaa    view      2020-09-03       {id:"888"}
 1    aaa    view      2020-09-02       {id:"999"}
 2    bbb    view      2020-09-02       {id:"555"}
 3    ccc    view      2020-08-28       {id:"777"}
 4    ddd    view      2020-08-25       {id:"666"}
 1    aaa    purchase  2020-09-09       {operation:"purchase"}

我有一个包含大量行数的表，该表如上所示。

问题

1. 我想打印具有purchase 操作的行并且
2. 同时，执行purchase的用户必须有view操作的行
3. 同时，view 操作将在 purchase_date(2020-09-09) 和 purchase_date - 7days(2020-09-02) 的日期范围内。
4. 最后，我想要一行包含purchase 操作，我需要一个新列collection_1。
5. 这个collection_1 列包含collection 值，我们将从viewrows 中获取它，它具有min(date)

我想在一个sql查询中实现这5点

sample_output

user  name  action      date          collection               collection_1
1    aaa    purchase  2020-09-09      {operation:"purchase"}    {id:"999"}

如果我们看到来自样本输入的样本输出

1. 我们的最终结果只有 purchase_events
2. purchased_user 有一行 view 操作
3. 并且 view 在 2020-09-09 和 2020-09-02（购买日期，购买日期 - 7 天）的时间范围内存在
4. 我们有新列collection_1，我们从view 行中获取值，该行具有min(date)

谁能为此提出一些解决方案？

Answer 1

我可以试试：

WITH cte AS (
    SELECT *, ROW_NUMBER() OVER (PARTITION BY user ORDER BY date) rn
    FROM sample_input_table t1
    WHERE action = 'view' AND
          EXISTS (SELECT 1 FROM sample_input_table t2
                  WHERE t2.user = t1.user AND
                  t2.action = 'purchase' AND
                  DATEDIFF(day, t1.date, t2.date) BETWEEN 0 AND 7)
)

SELECT t1.*, t2.collection AS collection_1
FROM sample_input_table t1
INNER JOIN cte t2
    ON t1.user = t2.user
WHERE t1.action = 'purchase' AND t2.rn = 1;

Demo

上面的策略是首先为每个用户查找所有view记录，对于同一用户，这些记录具有对应的purchase记录。我们还根据日期计算行号，因此我们知道哪些视图记录对应于最早的日期。通过将此 CTE 加入您的原始表，然后限制为第一行号，我们可以找到您想要的匹配项。

注意：演示是在 SQL Server 中，但它应该在 Athena 上运行，几乎不需要修改。